Un taux de croissance annuel estimé à plus de 60%
Certaines estimations indiquent que le marché mondial des jumeaux numériques en santé devrait passer de 4,47 milliards USD en 2025 à 59,94 milliards USD en 2030, soit un taux de croissance annuel de plus de 60%. Cette trajectoire de croissance signale non seulement une adoption rapide, mais aussi une conviction croissante des acteurs de la santé que les jumeaux numériques deviendront une brique structurante des systèmes de soins de demain.
Les jumeaux numériques en santé peuvent être définis comme des répliques virtuelles dynamiques de patients, d’organes, de dispositifs médicaux ou d’organisations de soins, alimentées en continu par des données cliniques, biologiques et contextuelles, et couplées à des modèles avancés (IA, simulation multiphysique) pour prédire des trajectoires de santé, simuler des interventions et optimiser les décisions. Ils se situent à l’intersection de plusieurs tendances lourdes : montée de la médecine de précision, explosion des données de santé (EHR, imagerie, génomique, IoT), pressions économiques sur les systèmes hospitaliers et exigence croissante de résultats mesurables pour les innovations thérapeutiques.
Le paysage concurrentiel est dominé par des groupes technologiques et industriels globaux (Siemens Healthineers, GE Healthcare, Microsoft, IBM, Oracle, NVIDIA, Dassault Systèmes, ANSYS, Atos) qui fournissent plateformes, puissance de calcul et briques logicielles, complétés par une constellation de pure players spécialisés (Twin Health, Unlearn.AI, Q.bio, Sim&Cure, PrediSurge, Virtonomy, Exactcure, Faststream Technologies). Les segments les plus matures sont aujourd’hui la planification d’interventions et l’optimisation des workflows hospitaliers.
Pour des dirigeants hospitaliers, des investisseurs et des cliniciens, la question n’est donc plus de savoir si les jumeaux numériques vont s’imposer, mais comment orchestrer leur intégration pour maximiser la valeur clinique et économique tout en maîtrisant les risques technologiques, éthiques et organisationnels.
Initiatives structurantes européennes et françaises
L’écosystème des jumeaux numériques en santé ne se limite pas aux acteurs industriels et startups déjà cartographiés ; il est désormais structuré par plusieurs initiatives majeures au niveau européen et français qui jouent un rôle d’architectes de l’infrastructure.
EDITH – European Virtual Human Twin
Au niveau européen, le programme EDITH (European Virtual Human Twin) vise à coordonner et structurer l’ensemble des efforts relatifs aux jumeaux numériques de l’humain. Cette action de coordination et de support, financée par la Commission européenne, poursuit trois objectifs stratégiques principaux :
- définir une feuille de route européenne pour le Virtual Human Twin, couvrant les jumeaux d’organe jusqu’à des représentations intégrées du corps humain ;
- mettre en place un référentiel fédéré de données et de modèles (repository) respectant le cadre GDPR et facilitant la réutilisation scientifique et industrielle ;
- développer une plateforme de simulation permettant à différents acteurs (hôpitaux, chercheurs, industriels) de combiner et d’orchestrer des jumeaux numériques selon des cas d’usage prioritaires (cancer, cardiovasculaire, cerveau, ostéoporose, soins intensifs).
EDITH est donc un méta‑acteur : il ne fournit pas directement des solutions cliniques, mais crée les standards, infrastructures et règles du jeu qui conditionneront la scalabilité des jumeaux numériques en Europe.
MEDITWIN – Alliance public–privé portée par Dassault Systèmes
En France, MEDITWIN illustre une approche intégrée associant un industriel de rang mondial (Dassault Systèmes), sept IHU, le CHU de Nantes, Inria et quatre startups (CODOC, inHEART, Qairnel, Neurometers). Le programme vise à créer des jumeaux V+R (Virtuels + Réels) pour la cardiologie, la neurologie et l’oncologie, intégrés dans des dispositifs médicaux numériques et évalués dans des parcours de soins réels.
MEDITWIN se distingue par :
- Une plateforme souveraine reposant sur l’expertise de Dassault Systèmes en jumeaux virtuels (3DEXPERIENCE) ;
- Un ancrage clinique fort via les IHU (PRISM, Imagine, ICAN, FOReSIGHT, ICM, LIRYC, IHU Strasbourg) qui apportent des cas d’usage à haute valeur ;
- Une structuration en six piliers (transdisciplinarité, autonomisation du patient, démonstration d’impact, équité, modèle économique, partage des connaissances), qui en font un modèle de consortium reproductible pour d’autres aires thérapeutiques.
Dans la grille de lecture de la première analyse, MEDITWIN peut être vu comme un orchestrateur qui connecte :
- la couche plateformes (Dassault Systèmes),
- les experts cliniques (IHU),
- et les pure players spécialisés (inHEART pour le cœur, Qairnel et Neurometers pour le cerveau, CODOC pour la donnée).
Jumeau numérique « État de santé d’un territoire » (Health Data Hub)
Le projet « Jumeau numérique – État de santé d’un territoire », soutenu par le Health Data Hub, élargit la notion de jumeau au niveau populationnel et territorial. En Normandie, il combine données de santé anonymisées (consommation de médicaments liés aux allergies, caractéristiques des patients) et données environnementales (pollens, météo, cultures) pour construire un jumeau du territoire vis‑à‑vis des allergies aux pollens.
Pour les décideurs, ce projet illustre :
- la capacité à créer des jumeaux de santé publique permettant de piloter la prévention, d’anticiper des pics de pathologies et d’ajuster les ressources ;
- la possibilité de coupler, à terme, jumeaux individuels, organisationnels (hôpitaux) et territoriaux dans une vision multi‑niveaux de la santé.
SKAIROS – Jumeaux du rachis et chirurgie
Enfin, la startup française SKAIROS, lauréate du concours i‑Nov, développe le projet SILVER SPINE : des jumeaux numériques du rachis pour la chirurgie des pathologies dégénératives. En s’appuyant sur l’imagerie et la modélisation biomécanique, ces jumeaux permettent :
- de co‑concevoir des implants et solutions innovantes avec les industriels du rachis ;
- de planifier précisément des interventions complexes en tenant compte de l’alignement global du patient et de contraintes mécaniques locales.
Dans la typologie initiale, SKAIROS s’inscrit comme pure player deeptech vertical, complémentaire de Sim&Cure (neurovasculaire) ou PrediSurge (aortique), et pouvant à terme s’adosser à des plateformes comme MEDITWIN ou EDITH pour l’industrialisation et l’interopérabilité.
Opportunités :
Les coûts des essais cliniques réduit jusqu’à 30%
Les jumeaux numériques rendent possible une médecine véritablement individualisée, en modélisant de façon dynamique l’évolution d’un patient et sa réponse à différents scénarios thérapeutiques. Ils intègrent les dimensions multi-échelles de la santé : génome, protéome, physiologie d’organe, comportement, environnement.
- Des pure players comme Twin Health proposent des jumeaux numériques métaboliques du corps entier permettant la réversion du diabète de type 2 en combinant monitoring continu (capteurs, IoT) et IA prédictive ; les études publiées montrent des diminutions significatives de l’HbA1c et une réduction massive de l’usage de médicaments.
- Des acteurs comme Q.bio construisent des jumeaux du corps entier en combinant imagerie avancée, biomarqueurs et modélisation, ouvrant la voie à une détection précoce de déviations pathologiques.
Pour les hôpitaux et réseaux de soins, cette capacité à simuler ex ante l’effet de différentes options thérapeutiques sur un individu donné se traduit par une réduction des essais‑erreurs, une meilleure allocation des ressources coûteuses (molécules innovantes, blocs opératoires) et, in fine, une amélioration des indicateurs de résultat (mortalité, réhospitalisations, complications). Pour les payeurs, elle prépare l’industrialisation de modèles de paiement à la valeur fondés sur des prédictions robustes et objectivées de bénéfice clinique.
Transformation des essais cliniques et de la R&D pharmaceutique
Le développement de médicaments reste un processus long, risqué et coûteux, avec un taux d’échec élevé. Les jumeaux numériques offrent plusieurs leviers de transformation :
- Bras de contrôle synthétiques : des entreprises comme Unlearn.AI construisent des jumeaux numériques pour chaque patient afin de prédire son évolution sous traitement standard, permettant de réduire la taille des bras contrôle tout en maintenant la puissance statistique.
- Essais in silico : couplés à des modèles mécanistes et à des plateformes d’IA, ils permettent d’explorer virtuellement un grand nombre de combinaisons de doses, de schémas thérapeutiques et de critères d’inclusion avant d’engager des ressources dans des essais physiques.
Les études de marché indiquent que l’usage systématique de jumeaux numériques dans la R&D pourrait réduire les coûts de développement de 20 à 30% et raccourcir sensiblement les délais de mise sur le marché. Cette approche est particulièrement pertinente dans les maladies rares, où la disponibilité de patients est limitée et où les régulateurs commencent à accepter les preuves générées par des modèles digitaux bien validés.
Optimisation des opérations hospitalières et gestion de la capacité
Les jumeaux numériques ne concernent pas uniquement le patient ; ils modélisent également des organisations complexes comme les hôpitaux, les blocs opératoires ou les réseaux de soins. Plusieurs groupes ont déjà démontré des gains tangibles :
- GE Healthcare utilise des jumeaux de flux pour ses Command Centers hospitaliers, permettant de simuler la gestion des lits, des urgences et des journées opératoires, avec des réductions constatées des temps d’attente et une meilleure utilisation des ressources.
- Philips, via HealthSuite et ses solutions de digital twin de workflow, permet de tester virtuellement des scénarios d’organisation (nouvel agencement des services, extension des capacités, scénarios de crise) avant décision d’investissement.
Pour des directions hospitalières, l’enjeu est double : augmenter l’efficience opérationnelle (taux d’occupation, temps de passage, délais de prise en charge) d’une part, et soutenir des décisions d’investissement et de transformation (reconfiguration de sites, mutualisation de plateaux techniques, développement de structures ambulatoires) sur la base de simulations quantitatives, et non plus d’intuitions ou d’analyses statiques.
Nouveaux modèles économiques et plateformes de données
Les jumeaux numériques servent de socle à de nouveaux modèles d’affaires, fondés sur la donnée et les services, plutôt que sur la seule vente de produits :
- Les industriels MedTech et pharmaceutiques peuvent proposer des offres intégrées « dispositif + jumeau + service », où la valeur est créée sur la durée (monitoring, alertes, optimisation, mises à jour logicielles), renforçant la fidélisation et la différenciation concurrentielle.
- Les grands acteurs technologiques (Microsoft, Oracle, NVIDIA, IBM) se positionnent comme infrastructures incontournables, capitalisant sur des effets de plateforme et des synergies avec d’autres secteurs (industrie, villes intelligentes).
La taille du marché, estimée entre 2,7 et 4,5 milliards USD en 2024–2025 selon les sources, pourrait dépasser 15 à 30 milliards USD avant 2032–2035, avec une montée en puissance du rôle des fournisseurs de plateformes et des orchestrateurs d’écosystèmes. Pour les investisseurs, cela crée des opportunités à la fois dans les infrastructures (low risk / lower growth) et dans les applications verticales (higher risk / higher growth), avec un intérêt particulier pour les acteurs ayant déjà franchi le cap de la validation clinique et de l’intégration système.
Réduction des inégalités d’accès à l’expertise et soutien à la décision clinique
Dans des contextes de tension démographique (vieillissement, pénurie de spécialistes) et de répartition inégale des compétences, les jumeaux numériques jouent un rôle de « multiplicateur d’expertise » :
- En combinant dossiers patients, données temps réel et modèles prédictifs, ils peuvent suggérer des décisions cliniques alignées sur les meilleures pratiques, même dans des structures dépourvues de spécialités de pointe.
- Ils offrent également des plateformes pédagogiques et de simulation pour la formation des médecins et des équipes chirurgicales, en permettant de répéter virtuellement des gestes complexes sur des anatomies patient-spécifiques (par exemple Sim&Cure en neuroradiologie interventionnelle).
Bien conçus et gouvernés, ces outils peuvent donc contribuer à homogénéiser la qualité des soins, en diffusant la pratique des centres experts vers le reste du système, et en soutenant des modèles de coopération territoriale (GHT, réseaux régionaux, groupements hospitaliers).
Risques majeurs :
Gouvernance des données, consentement et propriété du jumeau numérique
Les jumeaux numériques reposent sur une agrégation sans précédent de données sensibles (génomique, imagerie, historiques complets, données comportementales), posant des questions fondamentales : qui possède le jumeau numérique ? qui décide de ses usages ?.
- Les cadres de consentement traditionnellement larges (« traitement et recherche ») sont insuffisants dès lors qu’un jumeau peut servir à la fois aux soins directs, à la formation, à l’entraînement d’algorithmes, à la recherche ou à des usages commerciaux (assureurs, industriels).
- La doctrine éthique émergente plaide pour des modèles de consentement dynamique, spécifiquement adaptés aux jumeaux numériques, permettant au patient de gérer, dans le temps, des autorisations granulairement modulables et révocables.
L’incertitude juridique est manifeste sur plusieurs points : droit à l’effacement (comment « supprimer » un jumeau alors que ses données ont entraîné des modèles agrégés ?), partage de la propriété intellectuelle quand des algorithmes propriétaires co-créent le jumeau, statut des prédictions (par exemple un risque de cancer à 10 ans) dans les régimes de données de santé protégées. Sans clarification, patients, établissements et développeurs s’exposent à des litiges, à une érosion de la confiance et à un ralentissement de l’adoption.
Cybersécurité et risques de détournement malveillant
Un jumeau numérique représente une cible nettement plus sensible qu’un dossier patient électronique classique, du fait de l’intégration multi-sources et du caractère prédictif des informations (risques futurs, profils génomiques).
Les menaces identifiées incluent :
- vol de jumeaux et monétisation sur des marchés illicites ;
- utilisation frauduleuse pour discrimination (assurances, employeurs) ;
- manipulations de données conduisant à des recommandations cliniques erronées ;
- attaques par ransomware paralysant des modules critiques de décision.
L’architecture technique requise dépasse les exigences actuelles des EHR : chiffrement de bout en bout, gestion fine des identités et des accès, surveillance comportementale temps réel, audits réguliers des modèles, et souvent recours à des technologies avancées (segmentation stricte, zero trust, voire blockchain pour la traçabilité des accès). Beaucoup d’établissements n’ont ni les ressources ni les compétences internes pour maintenir durablement ce niveau de résilience, ce qui impose des modèles de mutualisation (cloud souverain, plateformes mutualisées, centres de cybersécurité sectoriels).
Biais algorithmiques, équité et risque de creusement des inégalités
La performance des jumeaux numériques dépend étroitement de la représentativité des données sur lesquelles ils sont entraînés. Plusieurs revues soulignent le risque que des cohortes déséquilibrées (par origine géographique, ethnique, socio-économique ou par comorbidités) conduisent à des modèles moins performants pour les populations déjà défavorisées.
- Des erreurs systématiques dans la prédiction du risque cardiovasculaire ou de réponse à un traitement oncologique pour certains groupes peuvent se traduire par des sous-traitements ou des sur-traitements, renforçant des disparités préexistantes.
- L’usage de jumeaux numériques dans des contextes de tarification (assurances, contrats de performance) peut, sans garde-fous, accentuer des phénomènes d’exclusion ou de sélection de risque.
La mise en place d’audits indépendants (évaluation de biais, suivi d’indicateurs d’équité), la publication transparente des caractéristiques des bases d’entraînement, et l’implication de parties prenantes diverses (patients, associations, éthiciens, régulateurs) dans la conception des modèles deviennent des impératifs.
Interopérabilité, complexité d’intégration et risque de verrouillage technologique
Sur le plan opérationnel, les jumeaux numériques ne délivrent leur pleine valeur que s’ils sont étroitement intégrés aux systèmes d’information hospitaliers (EHR, RIS/PACS, LIMS, ERP), aux dispositifs médicaux et aux plateformes régionales ou nationales. Or :
- L’hétérogénéité des environnements (multiples éditeurs, versions anciennes, interfaces propriétaires) complique l’interopérabilité malgré les standards FHIR/HL7.
- Les grandes plateformes de jumeaux (provenant de Microsoft, Siemens, GE, Philips, Oracle, IBM, Dassault, ANSYS, etc.) tendent à créer des écosystèmes semi‑fermés, avec un risque de verrouillage technologique (lock‑in) pour les établissements qui s’y engagent fortement.
Un établissement qui choisit une plateforme sans stratégie claire de gouvernance des données et de standards ouverts peut se retrouver, à moyen terme, limité dans sa capacité à intégrer de nouveaux modules ou à changer de fournisseur sans coûts importants de migration. Pour des autorités de santé, la prolifération de silos technologiques hétérogènes complique la construction de référentiels nationaux cohérents et freine l’émergence de jumeaux populationnels.
Acceptabilité clinique, charge cognitive et responsabilité médico‑légale
L’introduction de jumeaux numériques modifie profondément le processus décisionnel médical :
- Les cliniciens peuvent être confrontés à des recommandations complexes, parfois contre-intuitives, issues de modèles dont le fonctionnement interne est partiellement opaque (boîte noire).
- Le risque d’automation bias (tendance à suivre la suggestion de l’algorithme) est réel, en particulier dans des environnements sous tension où le temps est compté.
La question de la responsabilité en cas de dommage est critique : si une décision clinique s’appuie en partie sur un jumeau numérique, la responsabilité se partage-t-elle entre le médecin, l’établissement, le développeur du modèle, voire le fournisseur d’infrastructure ? Les cadres juridiques actuels ne donnent pas encore de réponse claire.
Enfin, la surcharge de signaux (alertes, scores, scénarios) risque d’accentuer la fatigue informationnelle des professionnels si les interfaces ne sont pas conçues pour s’intégrer harmonieusement dans les workflows existants, avec un haut niveau d’ergonomie et de priorisation. Sans un travail approfondi de co‑design avec les utilisateurs finaux et des formations ciblées, l’adoption peut être limitée et la valeur créée, largement sous‑optimisée.
Synthèse et perspectives stratégiques
Les jumeaux numériques en santé se situent à un point de bascule : les preuves de concept sont nombreuses, les premiers modèles économiques émergent et la dynamique d’investissement est forte, avec des projections de marché atteignant 59,94 milliards USD à l’horizon 2030 et jusqu’à 33,4 milliards USD en 2035 selon certaines estimations alternatives. Les acteurs clés se répartissent en trois grandes catégories :
- des fournisseurs d’infrastructures et de plateformes (Microsoft, Siemens Healthineers, GE Healthcare, Philips, IBM, Oracle, NVIDIA, Dassault, ANSYS, Atos), qui structurent l’écosystème technologique et captent des positions de contrôle sur la donnée et les standards ;
- des pure players verticaux (Twin Health, Unlearn.AI, Q.bio, Sim&Cure, PrediSurge, Exactcure, Virtonomy, etc.) qui démontrent une forte capacité d’innovation clinique et un potentiel de création de valeur sur des segments ciblés ;
- et une constellation de startups deep tech qui explorent de nouveaux cas d’usage (système immunitaire, jumeaux populationnels, jumeaux d’organisation territoriale).
Pour des dirigeants hospitaliers, la priorité stratégique consiste à :
- identifier des cas d’usage à forte valeur ajoutée (par exemple, optimisation des flux, planification des interventions complexes, gestion de maladies chroniques),
- sélectionner des partenaires sur la base de trois critères critiques : interopérabilité, robustesse clinique validée, et gouvernance des données,
- orchestrer un déploiement progressif assorti d’indicateurs de résultats cliniques et économiques clairs.
Pour les investisseurs, le champ d’opportunités est important mais hétérogène ; les segments les plus attractifs combinent : validation clinique, modèle SaaS récurrent, ancrage dans des workflows critiques, capacité à s’intégrer aux grandes plateformes existantes, et pipeline réglementaire clair. Enfin, pour les décideurs publics et régulateurs, la question centrale est d’accompagner l’essor de cette technologie tout en préservant les principes d’équité, de transparence et de respect des droits des patients. Cela implique de :
- développer des cadres de consentement dynamique adaptés aux jumeaux numériques ;
- définir clairement la propriété et la responsabilité autour des modèles ;
- imposer des standards minimaux d’audit algorithmique, d’interopérabilité et de cybersécurité ;
- et soutenir les établissements moins dotés pour éviter l’émergence d’une médecine à deux vitesses.
Si ces conditions sont réunies, les jumeaux numériques ont le potentiel de devenir l’un des leviers les plus puissants de la transformation des systèmes de santé à horizon 2030‑2035, en permettant de passer d’une logique de soins réactifs et fragmentés à une approche prédictive, intégrée et véritablement centrée sur le patient.
